核心工具包：pymongo

python通过pymongo来连接mongo

pymongo安装

命令提示符中安装：pip install pymongo
查看安装版本：pip show pymongo

创建MongoClient对象，连接mongo

1） 创建对象
myclient = pymongo.MongoClient(“mongodb://localhost:27017/”)

2）查看现有数据库
list_database_names()

3）读取数据库
db = myclient[数据库名]

示例

查询集合、文档

1）查看现有集合
db.list_collection_names()

2）读取集合
data = db[集合名]

示例

3）查询文档
查询单条数据： find_one() → 输出字典
查询所有数据： find({}) → 输出可迭代对象<class ‘pymongo.cursor.Cursor’>

示例
查找一条数据

查找多条数据

也可以把多条数据存成dataframe格式的数据，直接进行数据分析

插入文档

插入单个文档：insert_one()
插入多个文档：insert_many() → 通过字典列表插入

示例

删除集合、文档

1）删除文档
删除一个文档：delete_one()
删除多个文档：delete_many()
如果传入的是一个空的查询对象，则会删除集合中的所有文档

示例
删除单条数据

删除多条数据

删除所有数据

2）删除集合
drop()

示例

pandas如何配合mongo：

1）通过查询的方式，将数据存成dataframe（刚刚已经尝试过了）

示例

2）dataframe通过.to_dict()方法输出字典列表，再通过insert_many()导入数据库

DataFrame.to_dict(orient=’’)，orient参数如下，这里建议用’records’
        ‘dict’ (default) : dict like {column -> {index -> value}}
        ‘list’ : dict like {column -> [values]}
        ‘series’ : dict like {column -> Series(values)}
        ‘split’ : dict like {‘index’ -> [index], ‘columns’ -> [columns], ‘data’ -> [values]}
        ‘records’ : list like [{column -> value}, … , {column -> value}]
        ‘index’ : dict like {index -> {column -> value}}

示例

注意：
数据修改、处理、分析，都在pandas中执行
数据爬取过程中，以字典方式存储每一条数据，可以直接通过insert_one()插入数据库中